腾讯大模型算法 日常实习 一面

发一下问题给大家参考，攒攒人品！
1.项目拷打
2. Qwen和DeepSeek的技术差异。
3.当前主流的强化学习算法有哪些？请写出对应损失函数的数学表达式。
4.介绍RLHF的实施流程。
5. RLHF对齐流程解析。
6.说明 SFT （监督微调）和 RLHF （基于人类反馈的强化学习）的具体作用。
7. LORA （低秩自适应）的核心原理。
8.使用 SFT 存在哪些局限性。
9.手撕实现"括号生成"问题( LeetCode 22)，要求生成 n 对有效括号的所有组合。